de ed3d-plugins206
Générez des plans d'implémentation détaillés et prêts pour les ingénieurs à partir de documents de conception : chemins de fichiers, tâches pas à pas, tests et instructions de vérification.
Ce skill transforme des plans de conception de haut niveau en plans d'implémentation exploitables pour des ingénieurs n'ayant aucun contexte préalable sur la base de code. Il impose des vérifications de périmètre, une vérification de la base de code via des sous-agents, la recherche de dépendances externes et génère des tâches granulaires avec des chemins absolus, un mappage des critères d'acceptation et des exigences de test. Le résultat est un ensemble de fichiers de phase et un fichier test-requirements.md prêt pour l'exécution.
Utilisez-le lorsqu'un document de conception existe et que vous avez besoin d'un plan d'implémentation exécutable (≤8 phases) incluant la vérification de la base de code, la recherche de dépendances et des tâches par phase. Il est destiné aux équipes souhaitant des plans reproductibles, révisables et des étapes de vérification explicites avant le début du codage.
Idéalement utilisé par des runtimes d'agents supportant le dispatch de sous-agents et les opérations de fichiers de workspace (Claude Code, outils ed3d, orchestrateurs d'agents avancés).
A comprehensive prompt-only skill for generating detailed implementation plans from design docs. It provides structured templates, phase-by-phase workflows (interactive and batch modes), and an extensive anti-rationalization table to prevent common shortcuts. No bundled scripts to test. The skill is well-written but very long and heavily coupled to the ed3d ecosystem (requires codebase-investigator, internet-researcher, remote-code-researcher, code-reviewer subagents).
Purely instructional skill with no scripts. Security is clean — no network calls, no credentials, no destructive commands. The skill is impressively detailed with strong guardrails against common LLM planning shortcuts. The 8-phase limit and mandatory codebase verification are good design choices. Main limitation is ecosystem specificity and the verbosity of the SKILL.md itself.
